View a markdown version of this page

Datensee für vernetzte Mobilität - Datensee für vernetzte Mobilität

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Datensee für vernetzte Mobilität

Veröffentlichungsdatum: 1. Januar 2023 () Geschichte des Diagramms

Diese Architektur ermöglicht es Ihnen, Datenprodukte für vernetzte Mobilität zu entwickeln und den Datenzugriff mit einer serverlosen Datamesh-Architektur zu demokratisieren.

Data Lake-Diagramm für vernetzte Mobilität

Das Diagramm der Referenzarchitektur zeigt, wie Datenprodukte für vernetzte Mobilität erstellt und der Datenzugriff mit einer serverlosen Datennetzarchitektur demokratisiert werden
  1. Erfassen Sie Fahrzeugdaten über einen Netzwerkanbieter an. AWS IoT Core Erfassen Sie Werksdaten über Direct Connect Amazon Kinesis Data Streams. Synchronisieren Sie eine Datenbank für Kundenbeziehungsmanagement (CRM) mit Amazon Simple Storage Service (Amazon S3) mit. AWS DataSync

  2. Leiten Sie Nachrichten auf der AWS IoT Core Grundlage von Regeln weiter und verwenden Sie AWS Lambda sie, um Nachrichten zu verarbeiten und in Amazon DynamoDB und Amazon S3 aufzunehmen. DynamoDB wird für die Speicherung von Attributen und verschiedenen Fahrzeugstatus verwendet.

  3. Speichern Sie Rohdaten in Amazon S3.

  4. Ein Amazon S3-Ereignis wird AWS Lambda zur Datenverarbeitung initiiert, wodurch ein AWS Fargate Batch-Job zur Datenvorbereitung initiiert wird.

  5. Speichern Sie Datensätze, die Sie als Produkt präsentieren möchten, in einem Amazon S3-Bucket. Datenproduzenten sind für die Datenqualität und das Format verantwortlich.

  6. Erstellen Sie AWS Lake Formation Datenkatalog-Entitäten mithilfe eines AWS Glue Crawler-Jobs in einem Producer-Konto. Der Datenkatalog wird in einem zentralen Data-Governance-Konto repliziert, um Daten auffindbar zu machen.

  7. Weisen Sie einem Datenproduzenten Rollen zu, um Schemaänderungen zu verwalten und Datentransformationen (Ändern, Löschen, Aktualisieren) im zentralen Datenkatalog zuzulassen, wenn sich dieser an der Quelle ändert. Verteilen Sie automatische Schemaänderungen von einem Producer-Konto aus.

  8. Je nach den Anforderungen der Datenverbraucher und der Notwendigkeit, Daten sichtbar und zugänglich zu machen, erteilt der Dateneigentümer einem Verbraucherkonto AWS Lake Formation Berechtigungen für das zentrale Konto. Diese Berechtigungen basieren auf der direkten gemeinsamen Nutzung von Entitäten oder auf Tag-basierten Zugriffskontrollen, mit denen der Zugriff mithilfe von Steuerelementen wie Datenklassifizierung, Kostenstellen oder Umgebung verwaltet werden kann.

  9. Callcenter-Anwendungen können auf Daten aus verschiedenen Quellen in verschiedenen Konten zugreifen, um Kunden zu helfen.

  10. Die Abteilungen der Originalgerätehersteller (OEM) oder ihre Partner sehen die verfügbaren Daten und fordern den Zugriff an, um neue Anwendungsfälle zu erstellen. Datenabfragen werden mit Amazon Athena, Amazon SageMaker AI Data Wrangler oder Amazon Redshift Spectrum durchgeführt.

  11. OEMs können Endbenutzeranwendungen und Unternehmen mithilfe von Amazon API Gateway Zugriff auf Daten gewähren und APIs monetarisieren. https://aws.amazon.com/blogs/awsmarketplace/monetize-your-custom-http-apis-via-aws-data-exchange/

Weitere Informationen

Weitere Informationen finden Sie unter

Geschichte des Diagramms

Abonnieren Sie den RSS-Feed, um über Aktualisierungen dieses Referenzarchitekturdiagramms informiert zu werden.

ÄnderungBeschreibungDatum

Erste Veröffentlichung

Das Referenzarchitekturdiagramm wurde zuerst veröffentlicht.

11. Januar 2023

Anmerkung

Um RSS-Updates zu abonnieren, muss ein RSS-Plugin für den von Ihnen verwendeten Browser aktiviert sein.